IA opera melhor com interfaces de linha de comando tradicionais, revela estudo da Microsoft

A pesquisa da Microsoft desafia uma crença popular no desenvolvimento de agentes de IA: a de que interfaces de linha de comando (CLIs) deveriam ser adaptadas para usar payloads JSON. O estudo demonstrou que as CLIs tradicionais, com seus argumentos explícitos e bem definidos, levam a uma maior eficácia dos agentes. Modelos de IA, incluindo os menores como Claude Haiku 4.5 e MAI-Code-1-Flash, atingiram 100% de correção com CLIs baseadas em argumentos, enquanto tiveram dificuldades e incorreram em erros no modo JSON. O custo por tarefa, medido em tokens, foi de 4 a 11 vezes maior para o JSON, mesmo com a correção igualando-se em modelos mais fortes.

Os testes revelaram que o problema com JSON não está apenas na complexidade de aninhamento para os modelos, mas principalmente no desafio do shell escaping. Diferentes shells (PowerShell, Bash) tratam o escape de strings JSON de formas distintas, gerando falhas que os agentes precisam contornar com múltiplas tentativas e mais tokens. Isso aumenta o custo e diminui a confiabilidade. CLIs com argumentos oferecem um espaço de entrada mais restrito e previsível, guiando melhor os modelos e economizando recursos.

Esta nova análise da Microsoft representa uma virada em relação a conselhos anteriores. Em 6 de março de 2026, o CEVIU noticiou o artigo "Por que sua CLI precisa ser repensada para agentes de IA", que sugeria que CLIs deveriam ser reprojetadas para priorizar payloads JSON e oferecer introspecção de esquema. A ideia era que a previsibilidade e a estrutura do JSON seriam ideais para agentes. Agora, a Microsoft, com base em dados empíricos, afirma o oposto: os argumentos tradicionais das CLIs superam o JSON em performance e custo para agentes de IA.

A premissa era que, como agentes já pensam em formatos estruturados, JSON seria mais fácil. A realidade, medida em testes, é que os argumentos tradicionais fornecem as restrições necessárias que ajudam os modelos, especialmente os menores, a performar de forma consistente. O que era uma recomendação, agora é questionado por evidências que apontam para a robustez das CLIs legadas.

Este estudo é crucial para desenvolvedores e arquitetos que constroem ferramentas para serem usadas por agentes de IA. Ele desmistifica a ideia de que o JSON é inerentemente superior para a comunicação com IA, provando que a simplicidade e a restrição de uma CLI tradicional podem ser mais eficazes e econômicas. Para um mercado onde o custo por token e a confiabilidade da execução são fatores críticos, ignorar essas descobertas pode levar a sistemas mais caros e menos estáveis.

A mensagem é clara: antes de reescrever uma CLI para agentes, teste as soluções existentes. A "intuição" muitas vezes não se alinha com o comportamento real dos modelos em ambientes de produção. O estudo reforça que as lições de design do Unix, como a uniformidade de comandos estilo texto mencionada no artigo de 13 de março de 2026, "Por que abandonei function calling em agentes", ainda são muito válidas no mundo da IA.